melo-tts-metadata-creator
为MeloTTS训练自动生成标准元数据文件
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：melo-tts-metadata-creator。 它的用途是：为MeloTTS训练自动生成标准元数据文件 完整的 Skill 内容见：https://321skill.com/skills/melo-tts-metadata-creator-x-7/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我为MeloTTS生成训练用的metadata文件，音频在./wavs目录，文本在./txts目录。”，它会自动扫描两个目录，匹配文件并生成符合标准的metadata.list。如果你说：“这些音频没有字幕，帮我用Whisper生成中文转录。”，它会在生成元数据前，先调用Whisper模型为每个.wav文件生成对应的.txt文本。
介绍
该Skill专门解决用户在准备MeloTTS模型训练或微调数据时，手动整理和生成metadata.list文件的繁琐问题。它能够自动扫描指定目录下的.wav音频文件和对应的.txt转录文本，按照MeloTTS官方要求的标准格式（音频路径|speaker|语言|文本）生成元数据列表。
使用时，用户只需提供包含音频和文本文件的目录路径，Skill即可自动处理。它支持灵活的文件组织方式：音频和文本文件可以放在不同目录下，但需保持一致的目录结构。对于多音色数据集，它会自动根据第一级子目录名称识别说话人；对于单音色数据集，用户可以通过—speaker参数指定说话人名称。如果缺少转录文本，它还能调用Whisper模型自动为音频生成字幕。
这个Skill非常适合从事语音合成模型开发、研究或应用的人员，特别是那些需要为MeloTTS准备训练数据的前后端开发者、智能体开发者、内容创作者以及学术研究者。它能显著减少数据预处理的时间成本，降低人为错误。
建议在使用前，确保音频文件格式正确且命名规范。对于需要Whisper转录的情况，请注意网络连接和计算资源。在处理多音色数据时，建议提前规划好目录结构，以便Skill能准确提取说话人标签。
核心特点
与通用音频处理工具不同，它专为MeloTTS的metadata.list格式量身定制，并集成了多音色自动识别和可选的Whisper转录功能，实现了从原始音频到训练就绪元数据的一站式生成。
注意事项
不适合处理非标准音频格式或需要复杂文本清洗和标注的场景。
常见问题
如何为单音色数据集指定说话人？
使用 --speaker 参数，后接说话人名称即可。
没有文本文件时，支持哪些语言的转录？
支持中文（ZH）、英文（EN）等多种语言的自动转录。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/melo-tts-metadata-creator-x-7/raw/index.md 读取 melo-tts-metadata-creator 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/melo-tts-metadata-creator-x-7/raw/index.md（查看排版版本）